基于k-means特征的适应性近似最近邻搜索算法

在基于倒排索引和HNSW索引结构的最近邻搜索算法中,由于所有查询点使用固定的终止条件进行近似最近邻搜索,从而导致某些查询点在搜索路径上访问了不必要的数据点。因此,本文针对十亿规模数据集,在IVF-HNSW算法的基础上,根据数据点的k-means特征和真实最小访问点,建立神经网络回归模型。通过模型,动态预测每个查询点在HNSW索引中找到最近邻所需要搜索的质心个数,以及在IVF中需要搜索的倒排列表的个数,最终每个查询点能够通过适应性搜索,减少需要访问的数据库向量的个数,进而降低总体搜索所需要的查询时间。实验结果表明,优化后的自适应搜索算法与原始IVF-HNSW算法相比,在最高召回率下,平均查询时间最多可降低27%。

乙酰胺治疗氟乙酰胺中毒30例临床观察

乙酰胺治疗氟乙酰胺中毒３０例临床观察湖南省衡东县人民医院（４２１４００）谭宗元１临床资料与方法１．１一般资料氟乙酰胺中毒患者３０例，均为急诊科留观病人，男２２例，女８例，年龄２～３５岁，病程４～２４ｈ。本组病例均有自服或误服氟乙酰胺史，临床表现有呕吐...

基于提前终止的近似最近邻搜索算法

近似最近邻搜索是数据库、图像检索等领域的一个重要问题。目前,基于图的近似最近邻搜索算法因其查询速度快、查询精度高而备受关注,该类算法致力于构建高质量的索引,但往往忽略了查询阶段的方法。本文针对基于图的搜索算法的查询阶段,结合自适应的提前终止查询与L&C算法,对查询阶段进行改进并验证。实验结果表明,改进后的算法与L&C算法相比,平均查询时间最大可减少76%。